System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种电化学储能电站现场监测方法、系统、设备和介质,属于电化学储能电站监测。
技术介绍
1、电化学储能电站分布广泛,它们在各地的能源供应中发挥着越来越重要的作用。然而,随着它们的规模和范围不断扩大,如何进行有效的现场监测以保障其安全和效率成为了一个急需解决的问题。为了确保电化学储能电站的正常运行,需要采取一系列措施来监测和管理这些设备。首先,需要使用先进的传感器和仪表来测量电站的关键参数,如温度、压力、电量等。这些传感器和仪表需要定期校准和维护,以确保准确的数据采集和测量。其次,需要建立完善的监控系统来实时监测电化学储能电站的运行状态。这些系统需要具备预警和报警功能,能够在出现异常情况时及时发出警报,以便工作人员迅速采取措施。
2、但是,目前的监测系统仅是基于数值的监测,并不能实时监测电站中各个储能单元的健康状态,无法实时有效的进行现场监测。
技术实现思路
1、为了解决上述现有技术中存在的问题,本专利技术提出了一种电化学储能电站现场监测方法、系统、设备和介质。
2、本专利技术的技术方案如下:
3、一方面,本专利技术提供一种电化学储能电站现场监测方法,包括以下步骤:
4、获取目标化学储能电站中各储能单元的历史运行参数并进行预处理,放入历史运行数据集中;
5、利用k-means聚类算法对历史运行数据集中的数据进行聚类划分,确定最佳簇个数k,得到k个聚类结果,基于各聚类结果中数据的运行参数特征,确定各聚类结果对应的储
6、对各聚类结果中的添加第一状态标签,形成第一训练样本集,所述第一状态标签为健康状态和非健康状态;对各属于非健康状态的聚类结果中的数据添加第二状态标签,形成第二训练样本集,所述第二状态标签包括各异常子状态;
7、通过第一训练样本集训练第一神经网络,得到用于监测储能单元是否健康的第一监测模型;通过第二训练样本集训练第二神经网络,得到用于识别储能单元属于哪一异常子状态的第二监测模型;
8、获取目标化学储能电站中各储能单元的实时运行参数,进行预处理后输入至第一监测模型中,判断各储能单元是否健康,当监测到任一储能单元处于非健康状态时,将其对应的数据输入至第二监测模型中,辨识该储能单元当前属于哪一异常子状态。
9、作为优选实施方式,所述获取目标化学储能电站中各储能单元的历史运行参数并进行预处理中,预处理的步骤包括数据清洗及标准化处理,其中,数据清洗处理具体包括去除异常值、填补缺失值、修正错误值;
10、标准化处理的步骤具体为:
11、对每个储能单元的历史运行参数进行标准化处理,具体如下:
12、
13、
14、其中:xin为第i个历史运行参数中的第n个参数;x′in为标准化后的第i个历史运行参数中的第n个参数;为第n个参数的均值;sk为第n个参数的标准差;n为历史运行参数的数量;n为每一历史运行参数中的参数数量;
15、对标准化后的历史运行参数进行归一化:
16、
17、其中:为取历史运行参数中值最小的参数,为取历史运行参数中值最大的参数。
18、作为优选实施方式,在利用k-means聚类算法对历史运行数据集中的数据进行聚类划分,确定最佳簇个数k的步骤中,所述确定最佳簇个数k的方法具体为:
19、利用斑鬣狗算法寻找最佳簇个数k,具体如下:
20、对斑鬣狗种群进行初始化,每个斑鬣狗具有唯一的k值,且k大于3;
21、根据历史运行数据集计算各斑鬣狗个体的适应度值,其中适应度计算公式为:
22、
23、其中,db(m)为各个聚类结果的类间质心距离之和,dw(m)为各个聚类结果的类内距离之和;
24、根据适应度值确定当前迭代下最优的斑鬣狗个体,基于该最优的斑鬣狗个体更新各斑鬣狗个体的位置;
25、重复上述步骤直至迭代结束,获取全局最优的斑鬣狗个体,以其对应的k值为最佳簇个数。
26、作为优选实施方式,在利用斑鬣狗算法寻找最佳簇个数k的步骤中,还包括对斑鬣狗算法进行优化的步骤,具体为:
27、在根据适应度值确定当前迭代下最优的斑鬣狗个体的步骤中引入竞赛选择策略,具体如下:
28、进行竞赛过程,从当前种群中随机选择若干斑鬣狗个体形成一个竞赛组,从竞赛组中选取适应度值最优的斑鬣狗个体加入决赛组;
29、重复上述竞赛过程,直至决赛组中的斑鬣狗个体达到预设的阈值,结束竞赛,从决赛组中选取适应度值最优的斑鬣狗个体作为当前迭代下最优的斑鬣狗个体;
30、在斑鬣狗算法的捕猎过程中,猎物的位置被替换为位置最佳的斑鬣狗的位置,表示为:
31、
32、
33、
34、其中:m为斑鬣狗的数量;d表示种群的维数;表示第i只斑鬣狗在第j维中的位置信息;t为当前迭代次数;表示第t次迭代中斑鬣狗与猎物的距离;表示猎物在第t次迭代中的位置矩阵,表示斑鬣狗在第t次迭代中的位置矩阵;b和e都是系数向量,具体表达式为:
35、b=2·r1;
36、e=2h·r2-h;
37、其中:t是当前迭代次数;t是最大迭代次数;h是收敛因子;r1和r2是[0,1]的随机数,且r1<r2;
38、引入混沌序列控制收敛因子h,具体为:
39、利用初始参数生成如下混沌序列:
40、
41、其中,γ为随时刻变化的自变量,rc为预设的长度系数;
42、通过归一化的方法对混沌序列进行标准化:
43、
44、a(t)=nm(t)·β(γ);
45、其中:tmax为斑鬣狗算法的最大迭代次数;分别为该函数的上、下限,t为当前迭代次数;a(t)为标准化序列;
46、在任意迭代次数t下收敛因子h为:
47、h=5-(t*(5/tmax)+a(t)。
48、另一方面,本专利技术还提供一种电化学储能电站现场监测系统,包括:
49、数据集构建模块,用于获取目标化学储能电站中各储能单元的历史运行参数并进行预处理,放入历史运行数据集中;
50、聚类模块,利用k-means聚类算法对历史运行数据集中的数据进行聚类划分,确定最佳簇个数k,得到k个聚类结果,基于各聚类结果中数据的运行参数特征,确定各聚类结果对应的储能单元状态;所述储能单元状态包括健康状态和非健康状态,且非健康状态包括若干异常子状态;
51、训练集构建模块,用于对各聚类结果中的添加第一状态标签,形成第一训练样本集,所述第一状态标签为健康状态和非健康状态;对各属于非健康状态的聚类结果中的数据添加第二状态标签,形成第二训练样本集,所述第二状态标签包括各异常子状态;
...【技术保护点】
1.一种电化学储能电站现场监测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种电化学储能电站现场监测方法,其特征在于,所述获取目标化学储能电站中各储能单元的历史运行参数并进行预处理中,预处理的步骤包括数据清洗及标准化处理,其中,数据清洗处理具体包括去除异常值、填补缺失值、修正错误值;
3.根据权利要求1所述的一种电化学储能电站现场监测方法,其特征在于,在利用K-Means聚类算法对历史运行数据集中的数据进行聚类划分,确定最佳簇个数K的步骤中,所述确定最佳簇个数K的方法具体为:
4.根据权利要求3所述的一种电化学储能电站现场监测方法,其特征在于,在利用斑鬣狗算法寻找最佳簇个数K的步骤中,还包括对斑鬣狗算法进行优化的步骤,具体为:
5.一种电化学储能电站现场监测系统,其特征在于,包括:
6.根据权利要求5所述的一种电化学储能电站现场监测系统,其特征在于,所述数据集构建模块包括数据清洗单元及标准化处理单元;
7.根据权利要求5所述的一种电化学储能电站现场监测系统,其特征在于,所述聚类模块包括一斑鬣狗算
8.根据权利要求7所述的一种电化学储能电站现场监测系统,其特征在于,所述聚类模块还包括优化单元,用于对斑鬣狗算法进行优化,具体优化过程为:
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述的电化学储能电站现场监测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至4任一项所述的电化学储能电站现场监测方法。
...【技术特征摘要】
1.一种电化学储能电站现场监测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种电化学储能电站现场监测方法,其特征在于,所述获取目标化学储能电站中各储能单元的历史运行参数并进行预处理中,预处理的步骤包括数据清洗及标准化处理,其中,数据清洗处理具体包括去除异常值、填补缺失值、修正错误值;
3.根据权利要求1所述的一种电化学储能电站现场监测方法,其特征在于,在利用k-means聚类算法对历史运行数据集中的数据进行聚类划分,确定最佳簇个数k的步骤中,所述确定最佳簇个数k的方法具体为:
4.根据权利要求3所述的一种电化学储能电站现场监测方法,其特征在于,在利用斑鬣狗算法寻找最佳簇个数k的步骤中,还包括对斑鬣狗算法进行优化的步骤,具体为:
5.一种电化学储能电站现场监测系统,其特征在于,包括:
6....
【专利技术属性】
技术研发人员:车艳红,王重卿,江世雄,陈垚,李熙,刘沁,陈鸿,王林,江能明,程慧青,陈语齐,罗京鹏,王子彤,官建敏,
申请(专利权)人:国网福建省电力有限公司电力科学研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。